对一个字符串进行多次编码（使用相同的编码格式）有什么危害吗？（在Python中）

Question

在python中使用相同的编码格式对一个字符串进行多次编码有什么危害吗？（即UTF-8）？在

我有一个函数，它使用另一个函数从文档中获取字符串，然后序列化该字符串。目前，第二个函数（从文档中获取字符串的用户）的唯一用户是第一个函数。在

这在将来可能会改变，而且有人可能决定在另一个序列化（或类似）函数中使用它，而不首先将其结果编码为UTF-8。我想知道始终从中返回一个UTF-8编码的字符串是否安全（这个字符串目前也将被序列化函数re-.encode（）'d）。我的测试表明这不是问题，但是，我想我应该问问。在

谢谢你！在

Answer 1

除非字符串是纯ascii，否则是的，它可能会造成伤害（如果是纯ascii，则不需要担心utf-8）：

>>> a
u'a \xd7 b'
>>> a.encode("utf-8")
'a \xc3\x97 b'
>>> a.encode("utf-8").encode("utf-8")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 2: ordinal not in range(128)

最好将字节序列和文本视为两种不同的东西。在python3中，它们是不同的：bytes对象有decode()方法，string（unicode）对象有encode()方法。在

Answer 2

你不能多次编码，它不起作用。在

>>> s = u"ä".encode('latin1')
>>> s = s.encode('latin1')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)

看，你会得到“ascii编解码器不能解码”。字符串上的encode方法的作用是首先将字符串解码为Unicode，然后用给定的编码对其进行再次编码。它将用系统编码解码，默认情况下是ascii。在

这种行为是意外的，在python3中消失了，bytes没有encode方法，string没有decode方法。在

所以你不能对它进行多次编码，当然这是因为编码一个编码字符串没有任何意义。编码是从Unicode转换为二进制表示，您不能进一步编码二进制表示。在

Answer 3

通常，您应该只对unicode对象调用encode，而只对string对象调用decode。在

encode将Unicode对象编码为给定的编码（存储为字符串）。decode将给定的编码解码回Unicode对象。在

2.x中的string.encode和{}的存在应该被视为一个历史文物。在